核心功能
Core Refinery 是一款知识合成技能，专注于从多个独立来源中提取"穿越一切的核心理念"——即在3个及以上来源中持续出现的不变原则（invariants）。不同于简单的文本比对，它寻找的是意义层面的一致，而非措辞重复。
显著优点
科学的N计数系统：采用N≥3作为"黄金准则候选（Golden Master Candidate）"的门槛，有效区分偶然巧合（N=2）与真正具有领域普适性的核心原则。系统提供清晰的分类：不变原则（N≥3）、领域特定（N=2）、噪音过滤（N=1），并计算压缩率指标。
本地安全运行：明确声明所有操作在本地完成，不向外部服务传输源数据或合成结果，不修改、删除或写入文件。仅生成供用户自用的share_text，无自动外发机制。
方法论严谨：强调"发现模式而非宣告真理"——Golden Master是候选而非定论，尊重用户的最终判断权。提供与principle-synthesizer的正式版本形成互补的"发现导向"体验。
输出结构清晰：JSON格式的标准化输出包含原则ID、N计数、置信度、候选状态、合成指标及后续步骤建议，便于追踪和集成。
潜在局限
来源数量硬性门槛：明确要求最少3个来源，2个来源需转用其他技能（如pattern-finder），对小型分析场景不够灵活。
领域兼容性限制：明确警告不可混合不相关领域（如烹饪与编程），未提供自动领域检测或适配机制。
真理声明的回避：虽然方法论严谨，但过度强调"不宣告真理"可能导致用户对高置信度结果（N=4+）的实用价值产生困惑。
压缩率指标模糊：72%压缩率等数字缺乏计算细节披露，透明度有限。
适合人群
- 研究者、知识工作者：需要从多源文献中提取领域核心原则
- 技术写作者：建立可溯源的"单一事实来源（single source of truth）"文档体系
- 学习者：通过跨来源验证识别真正值得深度掌握的概念
常规风险
数据残留风险：合成输出可能存储于聊天历史或日志，敏感信息需人工审查后再分享。
确认偏误陷阱：系统寻找"共识"的设计可能强化既有认知，用户需主动关注N=1的"噪音"中可能包含的创新观点。
过度依赖指标：高N计数≠真理，三源错误一致的情况虽被免责声明覆盖，但实际使用中易被忽视。